图像处理在车牌识别技术中的应用

刘 萌

（商洛学院，陕西商洛，726000）

0 引言

随着人民生活水平的提高，车辆的数目与日俱增.很多大型停车场、收费站、交通违章管理等领域都安装了车辆牌照自动识别系统。用摄像机摄取的车辆图像经过数字图像技术的处理和识别，将图像转换为车牌号的字符串，在车辆识别中的作用非常关键。系统首先需要获取车辆图像，然后定位车牌区域和分割文字，最后识别分割出的车牌文字。车牌自动识别系统具有对车辆进行自动登记、验证、监管和报警的功能。车牌自动识别系统对高速公路收费管理、超速自动化监督、公路布控、停车场自动收费管理有很好的辅助作用。该课题对车牌识别系统中的图像预处理、车牌定位技术、字符分割技术等方面进行了深入的论述。

1 图像处理的简介

计算机只能读取经过数字化处理的图像，图像处理技术具有多种技术可以对图像进行多方面处理，该课题介绍以下几个比较重要的分支：

(1)图像数字化：对模拟图像通过采样与量化的处理变化转换为数字信号。

(2)图像增强：增强图像有效信息、去除噪声、减少干扰，提高图像清晰度。

(3)图像分割与特征提取：分割图像，划分成互不重叠的区域，从背景中提取分割的对象。

(4) 图像分析：分割、分类、识别、描述图像中的对象。

(5) 模式识别：可应用于文字识别、指纹识别、人脸识别

(6) 人工智能

(7) 计算机视觉：相当于为计算机提供眼睛的功能。

车牌自动识别系统采用了以上大部分技术，在文中将依次展开论述。

2 车牌识别系统简介

车牌识别系统(LPRS）主要由硬件、软件部分构成。硬件包括工业控制计算机、以太网络摄像机、UPS电源以及接口控制口各一台。硬件部分完成图像的摄入、处理的任务。软件部分是以专门研究系统中车牌处理方法的学科。

2.1 车牌识别系统的结构

车牌识别系统主要由图像采集、预处理，VLP检测、字符分割、OCR、车牌识别定位几部分组成，其系统结构如图1 所示：

图1 车牌识别系统结构图

车牌自动识别系统：

1）图像摄取：由硬件部分完成工作，它利用以太网络摄像机提取汽车的图像，把视频信号转换为数字图像信号送给计算机处理。

2）车牌图像预处理：车牌图像因自然环境及光照等因素的影响使拍摄过程存在干扰，不便于车牌的定位，对车牌图像进行预处理更好的提取车牌以保证车牌定位的质量。

3）VLP 检测：是系统的核心，VLP 检测主要用数字图像处理、模式识别、信息论等技术对车牌进行定位、提取操作。

4）字符分割及识别：成功提取车牌后，对其中的字符进行分割并进行识别，最后得到最终结果。

2.2 我国车牌的特点

我国主要使用四种车牌：民用蓝底白字车牌、民用黄底黑字车牌、军用白底黑字、红字车牌，另外国外驻华机构使用的是黑底白字车牌。了解车牌特征以便于车牌识别。

3 车牌自动识别系统具体设计

该课题主要论述了车牌自动识别系统图像预处理、VLP检测、OCR、牌照定位几个主要部分的技术研究与应用。

3.1 图像预处理

图像预处理技术包括：图像格式转换及图像压缩、 图像去噪、图像增强等。

3.1.1 图像格式转换及图像压缩

现如今我们所采集的图像大多是彩色图像，即彩色图片，输入计算机的视频截取图像为RGB格式。比如一幅24位的彩色图，它的每个像素都包含三个颜色分量，这三个颜色分量占用三个字节，储存一幅640* 480的图像要占用 640* 480* 3 = 921个字节，这921个字节包含了大量的颜色信息，不仅增加了存储开销而且降低系统的处理速度。图像会摄取很多与车牌识别信息无关的内容，通过灰度变换将彩图转化为灰度图像，对图像进行了压缩。灰度变换的公式为：Y= R*O.299 + G* 0.587 +B*0.114 ,其中Y为灰度值。通过索引像素使用统一的调色板,不仅存节省了储空间而且减少了处理时间 。

3.1.2 图像去噪及图像增强

当出现光照不好、角度不合适、车速较快等状况时，会导致图像歪斜模糊、或缺损。以上图像问题都可以通过图像平滑和增强处理得到解决。为了消除噪音我们可以通过滤波进行图像去噪处理。滤波方法分为空域滤波和频域滤波。空域滤波器按照功能又可以分成平滑滤波器及锐化滤波器。其中平滑滤波器常用邻域平均法、选择平均法、 中值滤波法、自适应滤波等方法进行平滑滤波。去噪处理采用中值滤波获得的效果比较好。然而实际应用中,通过传统的邻域平均平滑算法J或采用某些改进的算法比较普遍。其中小波去噪可分为三步：1.对二维信号进行小波分解。2.对高频系数进行阈值量化。3.对小波重构。常采用灰度直方图变换的方法来进行图像增强。灰度直方图变换分为直方图均衡化和直方图规定化。直方图变换是原始图的直方图被变换成均匀分布的形式，像素灰度值的动态范围得到增强，从而增强图像的对比度。根据实际情况，可能需要把直方图变换成某个特定的形状，选择性地增强图像某范围内的对比度。另外，通过傅立叶变换到频域对图像进行处理，图像中的边缘和噪声属于傅立叶变换中的高频部分，背景属于低频部分，通过低通滤波器来去噪，通过高通滤波器来图像锐化。

3.2 字符分割

经过图像预处理得到了车牌的灰度图像。依据字符识别采用的是二值图像的需求，对图像进行二值化，对其中的字符进行分割并进行识别。图像的二值化是指将图像中的灰度只用两个值0、1来表示，白色用1表示，黑色用0表示，二值图像即为衣服黑白图像。二值化的算法包括：固定阈值和自适应阈值。固定阈值算法首先确定一个固定的灰度值，把图像分为前景和背景两部分，两景之间形成低谷，即确定低谷处为阈值，灰度值置是1均是大于此阈值的，小于的即为0。自适应阈值具有灵活、产生很多噪声可能的特点 。

3.3 OCR光学字符识别

ORC是一种光学字符识别技术，它可以对图像文件进行分析处理。根据字符的结构特征OCR运用多种方法有效快速的识别字符。ORC识别系统经过输入影像输入、影响前处理、抽取文字特征、识别对比、最后人工校正最终输出结果。

字符识别主要有以下3种方法：

(1)摸板匹配法：将模板图（MXN）点对点的与待识别的字符图像进行比较，找出相似度最高的字符。如果有很多模板时耗时会长，图像噪声、倾斜度影响，容易产生误识别。

(2)神经网络法：用模板字库来训练神经网络参数，将字符特征、象素点集作为输入参数，然后识别字符。识别类型多时，不易达到理想的效果。

(3)特征匹配法：对字符的笔划、字符象素分布进行分析，设计分类器，识别字符。

3.4 车牌识别定位

车牌识别属于一种模式识别问题，其中的一门关键技术是车牌定位。车牌定位是借助图像处理技术从整幅图像中分离出车牌区域，车牌区域的字符信息不受非车牌区域的干扰。车牌处的灰度值与周围区域不同，在其边缘形成一条灰度突变的边界，这条边界我们利用边缘检测技术分割图像。借助于空域微分算子卷积算法完成边缘的检测。梯度方向与拍照边缘互相垂直，由此提取牌照的边缘。颜色变化迅速的特点即可定位牌照区域，定位车牌区域的具体过程：扫描灰度图，从第1行开始，灰度变化大于阈值的点的个数记录在案，当个数大于点数阈值时判断该行可能包含车牌区域。察看标志变量，若值为假将其置为真，否则继续。如果灰度变化大于阈值的点的个数小于点数阈值，也要查看标志变量，如果检测结果为假则继续检测，反之，则将行个数值加1。如果新值大于行数值，认为上面找到的高变化区域与下面灰度图像没有联系。经过以上步骤看去确定的高度是否符合车牌的条件，如果符合即为车牌区域，确定不是时将标志位复位，从下一行重新开始确认。

4 总结

该课题论述了图像处理在车牌识别技术中的应用，该种系统使交通变的智能化，方便了人们的生活。

[1]邓运生.车牌照识别若干技术研究和实现[D].安徽工程大学,2012.

[2]郭玉锦.基于压缩感知的模糊车牌图像预处理及其识别研究[D].长安大学,2012.

[3]李艳军.图像处理在车牌识别中的应用与研究[D].武汉理工大学,2010.